Evaluation of Minimum‐to‐Severe Global and Macrovesicular Steatosis in Human Liver Specimens: A Portable Ambient Light‐Compatible Spectroscopic Probe
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Hepatic steatosis (HS), particularly macrovesicular steatosis (MaS), influences transplant outcomes. Accurate assessment of MaS is crucial for graft selection. While traditional assessment methods have limitations, non-invasive spectroscopic techniques like Raman and reflectance spectroscopy offer promise. This study aimed to evaluate the efficacy of a portable ambient light-compatible spectroscopic system in assessing global HS and MaS in human liver specimens. METHODS: A two-stage approach was employed on thawed snap-frozen human liver specimens under ambient room light: biochemical validation involving a comparison of fat content from Raman and reflectance intensities with triglyceride (TG) quantifications and histopathological validation, contrasting Raman-derived fat content with evaluations by an expert pathologist and a "Positive Pixel Count" algorithm. Raman and reflectance intensities were combined to discern significant (≥ 10%) discrepancies in global HS and MaS. RESULTS: The initial set of 16 specimens showed a positive correlation between Raman and reflectance-derived fat content and TG quantifications. The Raman system effectively differentiated minimum-to-severe global and macrovesicular steatosis in the subsequent 66 specimens. A dual-variable prediction algorithm was developed, effectively classifying significant discrepancies (> 10%) between algorithm-estimated global HS and pathologist-estimated MaS. CONCLUSION: Our study established the viability and reliability of a portable spectroscopic system for non-invasive HS and MaS assessment in human liver specimens. The compatibility with ambient light conditions and the ability to address limitations of previous methods marks a significant advancement in this field. By offering promising differentiation between global HS and MaS, our system introduces an innovative approach to real-time and quantitative donor HS assessments. The proposed method holds the promise of refining donor liver assessment during liver recovery and ultimately enhancing transplantation outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».